人工智能公司长期以来一直吹嘘其产品的巨大规模和功能，但他们越来越多地关注更精简、更小的模型，他们说这将节省能源和成本。

像ChatGPT这样的程序是由被称为“大型语言模型”的算法支撑的，聊天机器人的创造者去年吹嘘说，它的GPT-4模型有近两万亿个“参数”，这些参数是模型的组成部分。

GPT-4的巨大尺寸允许ChatGPT处理从天体物理学到动物学的任何查询。

但是，如果一家公司需要一个只知道老虎的程序，那么算法就可以小得多。

“你不需要知道《凡尔赛条约》（Treaty of Versailles）的条款，就能回答一个关于工程的特定元素的问题，”为企业提供人工智能和可持续发展咨询的公司Ekimetrics的劳伦特·菲利克斯（Laurent Felix）说。

b谷歌、微软、meta和OpenAI都开始提供更小的模型。

亚马逊也允许在其云平台上使用各种尺寸的模型。

较小的模型更适合简单的任务，如总结和索引文档或搜索内部数据库。

例如，美国制药公司默克（Merck）正在与波士顿咨询集团（BCG）开发一种模型，以了解某些疾病对基因的影响。

“这将是一个非常小的模型，只有几亿到几十亿个参数，”波士顿咨询公司人工智能主管尼古拉斯•德贝勒方兹（Nicolas de Bellefonds）表示。

专注于小型模型的法国人工智能初创公司LightOn的负责人劳伦特·道特（Laurent Daudet）表示，与大型模型相比，小型模型有几个优势。

他说，它们通常速度更快，能够“同时响应更多的查询和更多的用户”。

他还指出，它们不那么需要能源，潜在的气候影响是人工智能的主要担忧之一。

需要大量的服务器阵列来“训练”人工智能程序，然后处理查询。

这些服务器由高度先进的芯片组成，需要大量的电力来驱动它们的运行和冷却。

Daudet解释说，更小的型号需要更少的芯片，使它们更便宜，更节能。

其他支持者指出，它们可以直接安装在设备上，完全不需要使用数据中心。

洛朗·菲利克斯指出，在设备上直接使用也意味着更多的“数据安全和机密性”。

这些程序可以根据专有数据进行训练，而不必担心数据被泄露。

不过，大型程序在解决复杂问题和访问大范围数据方面仍具有优势。

De Bellefonds表示，未来可能会有两种模式相互交流。

他说：“将会有一个小型模型能够理解这个问题，并根据问题的复杂程度将这个信息发送给几个不同大小的模型。”

否则，我们的解决方案要么太贵，要么太慢，要么两者兼而有之。”